人工智能模糊和取消模糊 是一个专注的浏览器工具，用于在共享图像之前隐藏面孔。它将 JPG、PNG 或 WebP 文件加载到 HTML Canvas 中，在浏览器或捆绑后备支持时本地检测人脸，创建可编辑蒙版，让用户删除错误检测或使用套索绘制错过的区域，并导出 PNG。当前实现不使用帐户或处理服务器上传。
尽管有这个名字，但这主要是一个 面部模糊隐私编辑器。其“面部模糊”模式不会重建丢失的像素或反转之前的模糊。对已发布的客户端脚本的检查表明，它以适度的对比度、饱和度、亮度和柔光增强重新绘制了原始选定区域。它可以让本来就很显眼的脸看起来更有力量；它无法恢复被模糊破坏的真实身份或文本。
每种模式的实际作用
| 模式 | 已发布的实施 | 用它来 | 不要假设 |
|---|---|---|---|
| 脸部模糊 | 剪辑画布模糊以启用面部框或套索路径 | 快速降低脸部可见度，同时保留照片的其余部分 | 模糊是不可逆转的，在法律上是足够的，或者对于确定的恢复来说是安全的 |
| 脸部模糊处理 | 在选定蒙版内应用对比度、饱和度、亮度和柔光增强 | 化妆品强调已经可见的脸 | 去模糊、去卷积、超分辨率或事实细节恢复 |
| 全模糊 | 将画布模糊滤镜应用于整个图像 | 模糊背景或创建柔和的视觉处理 | 所有敏感元数据或可识别上下文已被删除 |
| 选择 | 切换或删除检测到的蒙版 | 纠正误报并选择受影响的面孔 | 摘下的面具是复制品，而不是真人 |
| 套索 | 创建徒手剪切路径 | 添加遗漏的面孔或覆盖非面孔标识符 | 松散的手绘边界覆盖头发、轮廓和周围的标识符 |
本地处理的工作原理
当前公共页面和脚本对所选文件进行解码 创建图像位图，将工作画布缩放到最大宽度约 980 像素，在本地绘制源并导出 canvas.toDataURL(“图像/png”)。人脸检测首先尝试浏览器原生 FaceDetector。如果不可用，它会从同一站点加载捆绑的 tracking.js 和面部分类器资产。如果两者都失败，套索模式仍然可用。
这支持了狭隘的主张，即源图像未发布到检查版本中的处理端点。 “本地运行”与“页面不发出网络请求”不同：站点仍然加载其应用程序资产和 Google Fonts 样式表，并且未来的部署可能会发生变化。对于高度敏感的工作，请在应用程序加载后断开连接，检查开发人员工具网络流量，使用离线编辑器或自行托管审查的代码。
安全的面部模糊工作流程
- 从副本开始工作。 仅将原件保存在授权地点；不要覆盖证据或唯一的档案。
- 首先删除元数据。 即使像素模糊，GPS、设备、拍摄时间、作者和缩略图元数据也可以识别人物。
- 加载副本并检查检测。 放大整个框架。检查个人资料、倒影、屏幕、海报、儿童、远处的人以及部分遮盖的面孔。
- 修正每一个面具。 仅删除已确认的误报。使用套索来查找丢失的面孔，并扩展到眼睛以外以覆盖整个识别区域。
- 按风险选择编辑方法。 Blur适合随意分享；使用不透明的替换或强烈的像素化/裁剪来实现高风险的匿名。
- 导出并重新打开文件。 以 100-400% 缩放比例检查下载的 PNG，而不是相信编辑器预览。
- 在应用程序外部进行测试。 检查缩略图、消息预览、OCR、反向图像搜索以及上下文是否仍能识别主题。
- 仅分享衍生品。 确认附件是导出的副本，而不是具有可逆编辑器状态的原始附件。
为什么模糊强度不能保证隐私
模糊将每个输出像素替换为附近源像素的混合。如果半径很弱，原始结构仍然会影响结果。根据模糊、分辨率和对手，锐化或反卷积可能会揭示一些信息。更重要的是，即使面部特征被柔化，仍然可以从轮廓、头发、服装、纹身、位置、同伴和周围文本中识别出面部。
对于学校图像、虐待幸存者、证人、健康背景、抗议或法律证据，请使用专为编辑而设计的破坏性方法：裁剪出主题，用不透明的实体形状覆盖整个识别区域，压平图像，删除元数据，然后验证导出的像素。切勿在原始形状上放置半透明形状或可编辑图层并假设隐藏像素已消失。
| 方法 | 视觉效用 | 隐私强度 | 最适合 |
|---|---|---|---|
| 浅高斯模糊 | 自然的环境 | 低；身份线索往往仍然存在 | 审美柔和，不敏感编辑 |
| 严重模糊 | 上下文仍然可读 | 介质和源依赖性 | 审核后随意公开分享 |
| 强烈的像素化 | 明显的编辑区域 | 变量；块大小必须压倒面部细节 | 具有明显披露内容的新闻/社交图像 |
| 不透明替代品 | 区域完全隐藏 | 展平后覆盖像素高 | 敏感身份保护 |
| 裁剪/删除主题 | 丢失场景信息 | 当所有识别上下文被删除时为高 | 风险最高的出版物 |
| 合成替代品 | 可以保留场景外观 | 复杂；产生的身份和披露问题 | 具有记录审核的专业工作流程 |
人脸检测是一个辅助步骤
本地人 FaceDetector 各浏览器的支持并不统一，自动分类器对姿势、比例、遮挡、光照、图像质量和人口统计特征很敏感。该工具的源代码将本机检测上限限制为 20 个面孔。拥挤的活动照片可能包含更多人，因此非空结果并不能证明完整性。
后备可能会超时，并且画布会缩小以进行编辑。远处的小面孔可能会变得更难被发现。因此，隐私工作流程需要人工完整性审查，而不仅仅是“发现的面孔”计数。对于集体照，制作一个清单，从左上角到右下角系统地移动，包括镜子、窗户和背景展示。
输入、预览和输出行为
| 面积 | 目前的行为 | 实际后果 |
|---|---|---|
| 输入 | 文件选择器接受 JPG、PNG 和 WebP | RAW、HEIC、PDF 和动画图像需要转换或使用其他工具 |
| 工作尺寸 | 画布宽度限制为大约 980 像素；较小的图像保持原始尺寸 | 导出的分辨率可能低于大型源照片 |
| 检测 | 原生 FaceDetector，然后本地 tracking.js 回退，然后手动套索 | 行为因浏览器而异；套索是可靠的后备 |
| 模糊强度 | 滑块映射到 CSS/Canvas 模糊半径，效果最小 | 百分比不是标准化的隐私分数 |
| 出口 | 从工作画布生成的扁平 PNG | 省略了引导框，但 JPEG 源可能会变成更大的 PNG |
| 历史 | 没有记录持久项目或撤消堆栈 | 复杂的修正可能需要从源副本重新启动 |
评估测试集
在依赖该工具之前，请测试至少 30 张代表性图像：正面和侧面；非常亮和很暗的场景；不同肤色和年龄；眼镜、口罩和帽子；部分面孔；大量人群；镜子；印刷照片；笔记本电脑/手机屏幕上的面孔；和高分辨率相机文件。记录漏脸率、误报率、纠正蒙版的时间、最终导出分辨率以及审核人员是否仍能识别受保护的主体。
替代方案
| 选项 | 更喜欢什么时候 | 权衡 |
|---|---|---|
| 人工智能模糊和取消模糊 | 快速、免费、本地浏览器工作流程就足够了 | 有限的格式、分辨率、历史记录和验证工具 |
| Photoshop 或 Affinity Photo | 您需要精确的蒙版、图层、原始分辨率和可重复的导出 | 付费软件和更长的学习路径 |
| GIMP | 您需要一个免费的离线编辑器，具有破坏性的不透明编辑功能 | 比聚焦面部工具更多的手动步骤 |
| ImageMagick | 需要批处理和可重复的命令行编辑 | 面罩必须来自另一个探测器或坐标 |
| 手机照片编辑器 | 必须在手机上快速处理一张图像 | 云上传、元数据和导出行为差异很大 |
| 专用证据编辑系统 | 法律、医疗保健、公共记录或调查审核事宜 | 更高的成本和流程开销，更强的控制 |
常见问题
Face Unblur 可以恢复模糊的脸部吗？
不会。检查的实现将装饰对比度、饱和度、亮度和柔光变化应用于原始选定的像素。它不会重建被破坏的细节。
图片上传了吗？
当前工具使用浏览器 APIs 解码、编辑和导出源，并且在检查的脚本中没有图像处理上传端点。页面本身仍然加载网络资源；验证敏感用途的网络行为。
脸部模糊足以使某人匿名吗？
并非总是如此。弱模糊和周围的线索可以保留身份。当重新识别造成的危害很大时，请使用不透明的扁平化编辑或删除。
当检测遗漏脸部时会发生什么？
使用套索模式绘制蒙版。始终查看完整图像；自动检测只是一种便利，而不是完整性保证。
导出时是否保留原始分辨率？
该源显示的工作画布最大宽度约为 980 像素，因此可以在导出的 PNG 中缩小大源。发布前检查输出尺寸。
PNG 导出会删除所有元数据吗？
Canvas 生成的 PNG 通常会创建新的像素输出，而不是复制原始容器，但不要将其视为通用元数据保证。使用元数据工具检查实际下载的文件。
来源与验证
- 模糊和取消模糊 AI 官方应用程序
- 官方隐私声明
- 为此次审查检查了已发布的客户端实施
- MDN FaceDetector API 状态和兼容性上下文
- MDN Canvas 2D 过滤器参考
- MDN Canvas 导出参考
- NIST Privacy Framework 用于基于风险的隐私控制
上次针对已部署页面和已发布客户端捆绑包进行审核的时间为 2026 年 7 月 25 日。重新部署可能会更改代码或隐私行为；在处理敏感图像之前重新检查。
